Modelle der künstlichen Intelligenz (KI) haben im Bereich der evidenzbasierten Medizin (EBM) bemerkenswerte Leistungen erbracht und bieten eine vielversprechende Lösung für die Herausforderungen, denen sich medizinische Fachkräfte bei der Aktualisierung ihres Wissensstandes gegenübersehen. Eine aktuelle Studie von Forschern der Icahn School of Medicine am Mount Sinai hat das Potenzial großer Sprachmodelle (LLMs) für eine Revolutionierungdent unabhängigen medizinischen Praxis aufgezeigt.
KI-Modelle und evidenzbasierte Medizin
Evidenzbasierte Medizin bedeutet, die besten verfügbaren Forschungsergebnisse für klinische Entscheidungen zu nutzen und sich von traditionellen Methoden und persönlichen Überzeugungen abzuwenden. In der sich rasant entwickelnden Medizinlandschaft von heute ist es für medizinisches Fachpersonal eine große Herausforderung, mit der Flut neuer Forschungsergebnisse Schritt zu halten. Die Studie legt jedoch nahe, dass KI-Chatbots, insbesondere ChatGPT-4, eine vielversprechende Lösung für diese Komplexität bieten könnten.
Das Forschungsteam testete die Leistungsfähigkeit verschiedener KI-Modelle, darunter ChatGPT, Gemini, LLAMA v2 und Mixtral-8x7B von OpenAI. Diese Modelle erhielten Zugriff auf zuvor zusammengestellte Fallakten und wurden beauftragt, auf Grundlage der verfügbaren Daten klinische Entscheidungen zu treffen. Die Forscher bewerteten ihre Leistung anhand verschiedener Kennzahlen.
ChatGPT-4 ist wegweisend
In ihrem Bericht bewerteten die Forscher die Resistenz der KI-Modelle gegenüber Halluzinationen, die Validität ihrer klinischen Entscheidungen und ihre Einhaltung klinischer Leitlinien. ChatGPT-4 erwies sich in dieser Studie als das herausragendste Modell, da es die größte Fähigkeit zur selbstständigen Anwendung im klinischen Umfeld zeigte und andere LLMs übertraf.
Dem Bericht zufolge können LLMs als autonome Praktiker evidenzbasierter Medizin fungieren. Er hebt ihr Potenzial hervor, mit realen Gesundheitssystemen zu interagieren und Patientenaufgaben gemäß etablierter Richtlinien zu verwalten.
Trotz der beeindruckenden Leistungen von LLMs im Bereich der evidenzbasierten Medizin (EBM)dentdie Studie mehrere Bereiche mit Verbesserungsbedarf. Eine wesentliche Einschränkung besteht darin, dass die Ausbildung von LLMs häufig auf das Jahr 2021 beschränkt ist, wodurch sie über neue medizinische Daten nach diesem Datum nicht mehr informiert sind. Der Bericht merkt an, dass die Aktualisierung dieser Modelle mit neuen medizinischen Informationen ein kostspieliges Unterfangen ist, das ihre praktische Anwendung behindern kann.
Des Weiteren besteht die Sorge, dass bei der Befragung von Sprachmittlern zu unbekannten medizinischen Themen Halluzinationen auftreten können. Zudem fehlen Daten zu kulturellen Aspekten und Antibiotikaresistenzen, was die Genauigkeit klinischer Entscheidungen beeinträchtigen könnte.
Innovative Lösungen
Um die Leistung von LLMs in EBM zu verbessern, führten die Forscher ein neues Werkzeug namens Retrieval Augmented Generation (RAG) ein. Dieser Ansatz beinhaltet die Bereitstellung aufgabenspezifischer Informationen für KI-Modelle, wodurch die Qualität ihrer Antworten effektiv verbessert wird.
Als weitere Methode zur Verfeinerung der LLM-Antworten wurde die gezielte Ansprache der Patientendent. Indem die LLM mit spezifischen Informationen wie „Sie sind Professor für Medizin“ versorgt wurden, stellten die Forscher fest, dass die Antworten besser auf den Patienten und das Gesundheitssystem zugeschnitten waren.
Die Forscher räumen zwar Einschränkungen bei der Fähigkeit der Modelle ein, komplexe Leitlinien und diagnostische Nuancen zu berücksichtigen, glauben aber, dass Retrieval Augmented Generation dazu beitragen kann, diese Probleme zu lösen und die Empfehlungen patientenzentrierter und besser an die Gesundheitssysteme anpassbar zu gestalten.
KI und Medizin in einer vielversprechenden Zukunft
Die Integration neuer Technologien wie KI und Blockchain schreitet in Medizin und öffentlicher Gesundheit rasant voran. Derzeit wird erforscht, welches Potenzial KI in der Krebsfrüherkennung und der tracbesitzt.
Damit KI sich erfolgreich entwickeln und im Rahmen der Gesetze agieren kann, während sie gleichzeitig wachsende Herausforderungen bewältigt, empfehlen Experten die Integration eines unternehmensweiten Blockchain-Systems. Ein solches System würde die Qualität und die Eigentumsrechte der eingegebenen Daten sicherstellen und so die Datenintegrität und -unveränderlichkeit gewährleisten.
Die Mount-Sinai-Studie unterstreicht das Potenzial von KI, insbesondere von ChatGPT-4, für die Transformation der evidenzbasierten Medizin. Obwohl Herausforderungen bestehen, bieten innovative Lösungen wie Retrieval Augmented Generation vielversprechende Möglichkeiten zur Verbesserung der Leistungsfähigkeit von KI-Modellen im klinischen Alltag. Mit der fortschreitenden technologischen Entwicklung birgt die Zukunft der KI im Gesundheitswesen großes Potenzial für die Verbesserung der Patientenversorgung und der klinischen Entscheidungsfindung.
